交易中的机器学习:理论、模型、实践和算法交易 - 页 2588

 
elibrarius#:

但MetaQuotes方面没有任何反应((

而且不会有,因为真正的传播破坏了广告画面。最多,他们会建议使用自定义符号。

 
Aleksey Nikolayev#:

而且不会的,因为真正的传播破坏了广告画面。最多,他们会建议使用自定义符号。

这其实是一种耻辱。在时间上模拟传播会使测试更接近真实。

 
Aleksey Nikolayev#:

而且不会的,因为真正的传播破坏了广告画面。最多,他们会建议使用自定义符号。

广告应该说,与其他平台相比,我们的测试器是最准确的。

这更有可能吸引开发商和用户。比起第一次测试和他们的比较,将显示MT5中对开盘价的测试是不真实的。

 
elibrarius#:

广告应该说,与其他平台相比,我们的测试器是最准确的。

这更有可能吸引开发商和用户。比起第一次测试和他们的比较,将显示在MT5中以开盘价测试是不真实的。

Valeriy Yastremskiy#:

这其实是一种耻辱。时间分布模型会使测试更接近真实。

我所说的广告是指经纪公司网页上的符号数据。是DC,而不是开发商,他们是元报价的客户(带来金钱)。对终端用户来说,免费有其缺点。

 
Aleksey Nikolayev#:

我所说的广告,是指DC页面上的符号数据。是DC,而不是开发商,他们是元报价的客户(带来金钱)。对终端用户来说,免费有其缺点。

实施起来不可能,也不昂贵,在可以理解的条件和价格下,它是可以实现的,而且是免费的。当然,免费的东西往往是偏向于消极的))))。缺乏机会或执行成本高也是如此))))。

 
https://stats.stackexchange.com/questions/31513/new-revolutionary-way-of-data-mining

这个问题中提出了非常有趣的想法...

顺便说一下,受访者仍然不明白这个问题

 
mytarmailS# :
https://stats.stackexchange.com/questions/31513/new-revolutionary-way-of-data-mining

这个问题中提出了非常有趣的想法...

顺便说一句,受访者还是不明白问题的重点。

是的,他就是这么说的。而评论员--嗯,他们是数据科学家,而不是商人。他们用固定的数据集无法理解我们交易者的问题。

 
Replikant_mih#:

是的,他就是这么说的。而评论员--嗯,他们是数据科学家,而不是商人。他们用他们的固定数据集无法理解我们交易者的问题。

按照我的理解...

我以最简单的方式来解释它。

如果我们想把TS作为一种模式,为了检查它是否是一个真正的模式,我们应该优化它的参数,如果TS几乎总是在不同的参数下获得收益,那么这个模式(TS)就是真的。

那你是怎么想出来的呢?

 

从AMO的角度看得更深

你需要在训练过程中对参数进行可视化搜索;如果优化表面看起来像噪音

最有可能的是,AMO在噪声中找到了一个局部最大值,这就是重新训练和一个不工作的模型。

你应该努力实现以下图景

如果模型的工作参数有一个明显的 "孤岛",即有必要优化其参数,如果TS实际上总是在不同的参数下获得,那么该模式(TS)是真的


这就是我的看法,也许我错了,但......

 
mytarmailS#:

我理解的方式是...

我将以最简单的方式解释它。

如果你把TC想象成一个模式--为了检查它是否是一个真正的模式,我们需要优化它的参数,如果TC几乎总是在不同的参数下赚取,那么这个模式(TC)就是真的。

那你是怎么想出来的呢?

嗯,类似这样的事情。每个人都明白过度拟合是邪恶的,并正在寻找方法来防止它。老兄是说,"在os上测试 "的方式并不是一个防止过度拟合的好工具。一个简单的例子,有10000人,每个人都抛了10次硬币。我们选择了那些所有翻牌都是老鹰的人--哦,这些人知道些什么。我们要求他们每个人再翻转10次。现在,他们中的这3人是一些失败者,但这3人又得到了10只鹰中的8或9只。哦,他们肯定能做一些事情。很明显,这样的情况之所以能够发生,纯粹是由于随机的滚动(不是说几百万只猴子能意外地写出《战争与和平》)。战略也是如此。因此,你必须使用其他方式,如果有,也要明智地使用。他们建议的替代方案是:是的,类似于:你最好看一些类似平均的东西。就像如果硬币是平的,它将均匀地落在这里和那里的平均值。而如果它在某个地方比较重,那么你会看到这种倾斜是由这一万人的平均结果决定的。不知何故))。